Bibliographic record
Abstract
Ikääntyneiden määrä ja osuus väestöstä kasvavat jatkuvasti. Vuonna 2024 Suomen väestöstä 65 vuotta täyttäneitä on yli 1,3 miljoonaa ja määrän ennustetaan kasvavan vuoteen 2040 mennessä yli 1,5 miljoonaan. Ikääntymiseen liittyy erilaisia elämänmuutoksia ja menetyksiä, jotka voivat olla riski mielenterveydelle. Yli 65-vuotiaista maailmanlaajuisesti noin 14 % kärsii jostakin mielenterveyshäiriöstä, joista yleisimpiä ovat masennus ja ahdistuneisuushäiriöt. Suomen kansalliseen ikäohjelmaan vuoteen 2030 on kirjattu, että mielenterveyden ongelmat ovat haasteita, joita pitäisi ennaltaehkäistä. Lemmikkieläinten on useissa tutkimuksissa havaittu vaikuttavan myönteisesti ihmisten mielenterveyteen, joskin joissain tutkimuksissa näyttö on ollut ristiriitaista. Lemmikkieläinten omistaminen on suosittua koko väestössä ja myös ikääntyneiden keskuudessa. Suomessa ikääntyneiden kotitalouksista 13 %:lla on lemmikki. Tämän tutkielman tarkoituksena on integroivan kirjallisuuskatsauksen avulla selvittää, miten lemmikkieläimet vaikuttavat ikääntyneiden mielenterveyteen. Vaikutuksia mielenterveyteen tarkastellaan yleisen mielenterveyden lisäksi tarkemmin myös masennuksen, ahdistuneisuuden ja yksinäisyyden näkökulmista. Tutkielmaan valikoitui 13 tutkimusartikkelia. Tutkimustulokset lemmikkieläinten mielenterveysvaikutuksista ikääntyneillä osoittautuivat aiemman kirjallisuuden tapaan osittain ristiriitaisiksi keskenään. Ikääntyneillä lemmikinomistajilla oli tutkimuksesta riippuen joko vähemmän tai yhtä paljon ahdistuneisuutta ja yksinäisyyttä lemmikittömiin verrattuna. Masennusta puolestaan oli lemmikinomistajilla enemmän tai yhtä paljon kuin lemmikittömillä. Tästä tutkielmasta saatua tietoa voidaan hyödyntää lisäämällä erityisesti ikääntyneiden, heidän lähiomaistensa sekä terveydenhuollon ammattihenkilöiden tietoisuutta lemmikkieläinten mahdollisista mielenterveysvaikutuksista. Näin ikääntyneille lemmikinomistajille pystytään tarjoamaan tarvittavaa tukea ja hoitoa. Tutkielman tuloksia analysoitaessa kävi ilmi, ettei tuloksia voida yleistää kissojen ja koirien lisäksi muihin lemmikkieläimiin, sillä vain pienellä osalla tutkimusten osallistujista oli muita lemmikkieläimiä. Lisäksi joissain tutkimuksissa havaittiin eroja mielenterveydessä kissan- ja koiranomistajien välillä. Jatkotutkimusta tarvitaan lemmikkieläimistä erikseen sekä kissan ja koiran lisäksi muistakin lemmikeistä. Jatkotutkimusta tulisi tehdä myös niistä syistä, miksi ikääntyneillä lemmikinomistajilla saattaa olla enemmän masennusta tai toisaalta vähemmän ahdistuneisuutta kuin lemmikittömillä.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.094 | 0.021 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".